La familia de XML Dominios de utilización de XML

(1)

XML: eXtensible

Markup Language

(Parte I)

DTDs

(2)

Tabla de Contenidos

Introducción histórica

XML vs. HTML

Características de XML

Mi primer documento XML

El lenguaje XML

Entidades

Espacios de nombres:

Namespaces

La familia de XML

(3)

Introducción histórica (i)

XML se constituyó como estándar de la W3C en

el año 1998. En 2000 se aprueba su versión 1.0.

Se trata de un lenguaje de marcas, igual que

HTML o su precursor SGML.

Se diferencia de SGML por su sencillez.

Se diferencia de HTML por su flexibilidad: el

número de etiquetas que puede incluir un

documento XML es ilimitado.

(4)

Introducción histórica (ii)

1983 1992 1996 1997 1998 1999 2000

SGML HTML HTML2

CSS HTML3

XML

HTML4

(5)

Introducción histórica (iii)

Objetivos principales

:

• Directamente utilizable en Internet.

• Soporte para una amplia variedad de aplicaciones.

• Compatible con SGML.

• Posibilidad de crear sencillos procesadores de XML.

• Número de opciones mínimo (lo óptimo son cero).

• Documentos XML legibles y medianamente claros.

• Diseño rápido del lenguaje.

• Simple, pero perfectamente formalizado.

(6)

XML vs. HTML

HTML carece de un chequeo sintáctico. Páginas

con errores son mostradas en los navegadores.

HTML carece de estructura.

HTML mezcla contenido y representación.

Por todo esto:

• HTML no puede ser fácilmente leído por una máquina.

• HTML nunca será un estándar de intercambio de datos.

(7)

Características de XML (i)

Es un subconjunto del lenguaje SGML.

Al igual que él, se utiliza para representar datos de

forma estructurada.

Se basa en una gramática de obligado cumplimiento.

Esto facilita el desarrollo de

parsers

y, por lo tanto,

su utilización masiva.

La estructura interna de un documento XML puede

reflejarse en:

• DTD (Document Type Definition)

• XML Schema

(8)

Características de XML (ii)

XML,

eXtensible Markup Language

, se ha

convertido en el estándar para intercambio de

datos no sólo en el WWW.

Fácil de usar por estar basado en un conjunto

extensible de etiquetas semánticas entendibles

por humanos y máquinas.

Ya se encuentra en una fase de madurez y

expansión absoluta.

Gracias al soporte de

Unicode

se soportan los

(9)

Mi primer documento XML. HTML (i)

<HTML>

<HEAD><TITLE>Libros de mi infancia</TITLE></HEAD> <BODY>

Don Quijote de la Mancha

Mancha

Miguel de Cervantes <HR>

La vida es sueño Calderón de la Barca <HR>

(10)

Mi primer documento XML. HTML (ii)

En apariencia, el documento HTML anterior es

correcto, sin embargo:

• Existen etiquetas que nunca se cierran:

• Algunas etiquetas no están bien anidadas: el primer

nunca se cierra. nunca se cierra.

• Para un lector no humano, no se sabe qué es un libro

y qué es un autor.

(11)

Mi primer documento XML (iii)

<?xml version="1.0" encoding="utf-8"

standalone="yes" ?> <! -- Inventario.xml -->

<Titulo>Don Quijote de la Mancha</Titulo>

Mancha</Titulo>

<Autor>Miguel de Cervantes</Autor>

</Libro> <Libro>

<Titulo>La vida es suenno</Titulo>

<Autor>Calderon de la Barca</Autor>

(12)

El lenguaje XML. Reglas generales

Un único elemento raíz (elemento documento).

Todo elemento debe tener etiquetas de apertura

y cierre.

Distinción entre mayúsculas/minúsculas.

Anidamiento perfecto entre elementos.

Los valores de atributos van siempre entre

comillas.

Los espacios en blanco se conservan.

(13)

El lenguaje XML.

Documentos válidos

Se dice que un documento es

bien formado

cuando:

• Cumple con todas las reglas anteriormente expuestas.

• Contiene uno o más elementos.

• Hay un único elemento documento.

• Si el documento consta de más de una parte, todas

están bien formadas.

• No se encuentran caracteres prohibidos en el texto.

Un documento es

válido

cuando, además de ser

(14)

El lenguaje XML. Elementos (i)

Comentarios

:

• <! -- Esto es un comentario, y no puedo incluir un doble

guión-->

Instrucciones de procesamiento

:

• <? Instrucción ?>

• La instrucción no puede incluir los caracteres ?>

Secciones

CDATA

:

• <![CDATA[Este texto no será tratado, puede incluir

“cualquier” &carácter < >]]>

• No son tratadas por el parser.

• Pueden incluir cualquier carácter prohibido (“, ‘, &, >,

<), pero no puede incluir el carácter ‘ñ’, acentos, ni la

(15)

El lenguaje XML. Elementos (ii)

Prólogo

:

• <?xml version="1.0" encoding="utf-8" standalone="yes" ?>

• Es una instrucción de procesamiento obligatoria.

• Version: indica la versión de XML que se está

utilizando (1.0 en la actualidad). Es obligatoria. utilizando (1.0 en la actualidad). Es obligatoria.

• Encoding: indica cómo se codificó el documento, y no

es obligatoria (por defecto UTF-8). Válido para otros juegos de caracteres.

• Standalone: “yes” indica que el documento no va

acompañado de DTD ni de XML Schema; “no” indica que requiere una DTD o XML Schema. No es un

(16)

El lenguaje XML. Elementos (iii)

DOCTYPE:

• <!DOCTYPE MiDTD SYSTEM “C:\MiDTD.dtd”>

• Indica la referencia (URI) a la DTD, así como el nombre (MiDTD) del elemento raíz de la misma.

• La DTD podría ir incorporada en el propio documento XML, sin requerir otro fichero aparte.

otro fichero aparte.

• El documento XML deberá cumplir con el contenido de la DTD.

• También se puede utilizar para definir entidades.

<?xml version="1.0" encoding="utf-8" ?> <!DOCTYPE Libros SYSTEM "Libros1.dtd"> <Libros>

<Libro>

<Titulo>Don Quijote de la Mancha</Titulo> <Autor>Miguel de Cervantes</Autor> </Libro>

<Libro>

(17)

El lenguaje XML. Elementos (iv)

Para referenciar un XML Schema:

<?xml version="1.0"?>

<note xmlns="http://www.w3schools.com"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://www.w3schools.com note.xsd">

<heading>Reminder</heading>

(18)

El lenguaje XML. Elementos (v)

Etiquetas

:

• Deben ir correctamente anidadas: apertura y cierre.

• Etiqueta de apertura: comienza por <, más el nombre

de la etiqueta y terminan por >. Ejemplo <Libro>. de la etiqueta y terminan por >. Ejemplo <Libro>.

• Etiqueta de cierre: </Libro>

• Etiqueta vacía: <Libro />

• Debe comenzar por una letra o un “_”.

(19)

El lenguaje XML. Elementos (vi)

Elemento

:

• Es el conjunto de la etiqueta (marcador) de apertura,

su contenido y la de cierre.

• Por ejemplo: <Libro>Don Quijote de la Mancha</Libro>

• Hay algunos caracteres reservados (prohibidos):

– Signo de mayor: >

– Signo de menor: <

– Ampersand: &

– Apóstrofe: ‘

– Comilla: “

• Estos caracteres prohibidos se reemplazan por

(20)

El lenguaje XML. Elementos (vii)

Atributos

:

• Especificación nombre-valor asociada con el

elemento.

• Cada elemento puede contener 0 ó más atributos

• Su valor debe ir siempre entrecomillado.

• Sólo pueden aparecer en etiquetas de apertura o

vacías.

• El mismo atributo no puede aparecer repetido en la

misma etiqueta.

• No puede contener ninguna referencia a entidad

externa.

(21)

El lenguaje XML. Elementos (viii)

Atributos

:

<?xml version="1.0" encoding="utf-8" standalone="yes" ?> <Libros>

<Titulo>Don Quijote de la Mancha</Titulo> <Autor>Miguel de Cervantes</Autor>

</Libro>

<Libro Precio = "658 euros" Editorial = "Anaya"> <Titulo>La vida es sueño</Titulo>

<Autor>Calderón de la Barca</Autor> </Libro>

(22)

El lenguaje XML.

Referencias a caracteres

Permiten incluir cualquier carácter dentro de un

documento XML.

Basado en el conjunto de caracteres ISO/IEC

10646

(http://xml.coverpages.org/xml-ISOents.txt).

ISOents.txt).

Dos formatos:

• &#valor; Valor representado en decimal

• &#xvalor; Valor representado en hexadecimal

<?xml version="1.0" encoding="utf-8" standalone="yes" ?> <Libros>

(23)

El lenguaje XML. Entidades (i)

Las entidades permiten:

• Dar modularidad al texto evitando tener que escribir

algo de forma repetitiva.

• Incluir caracteres prohibidos &, >, <, “, ‘

• Incluir caracteres de otros idiomas: ñ, acentos...

Comienzan por & y terminan en ;

(24)

El lenguaje XML. Entidades (ii)

Entidades predefinidas

:

• Signo menor lt < <

• Signo mayor gt > >

• Ampersand amp & &

• Apóstrofe apos ‘ '

(25)

El lenguaje XML. Entidades (iii)

Tipos de entidades

:

• General y de Parámetro:

– General: contiene texto XML u otros caracteres.

– De Parámetro: contiene texto XML que puede insertarse dentro

de una DTD. de una DTD.

• Interna y Externa:

– Interna: contiene el texto dentro de una cadena entrecomillada.

– Externa: hace referencia a un archivo externo.

• Analizada y no Analizada:

– Analizada: texto XML que será procesado en su punto de

inserción.

(26)

El lenguaje XML. Entidades (iv)

Tipos de entidades:

Entidad

General _{De Parámetro}

Interna Externa Interna Externa

Analizada No Analizada

Analizada No

Analizada

Analizada No

Analizada Analizada

(27)

Entidades generales internas

analizadas (i)

Permiten que una determinada cadena se repita

fácilmente a lo largo de un documento XML

Se definen dentro del fichero XML o de la DTD .

<?xml version="1.0" encoding="utf-8" ?> <!DOCTYPE Libros [

<!ELEMENT Libros (Libro)+> <!ELEMENT Libro (Titulo, Autor)> <!ELEMENT Titulo (#PCDATA)> <!ELEMENT Autor (#PCDATA)>

<!ATTLIST Autor Nacionalidad CDATA #IMPLIED> <!ENTITY Es "Español">

<!DOCTYPE Libros [

<!ENTITY Es "Español"> <!ENTITY It "Italiano">

]>

(28)

<Libro Precio = "1.123 euros" Editorial = "Santillana"> <Titulo>Don Quijote de la Mancha</Titulo>

<Autor Nacionalidad = "&Es;">Miguel de Cervantes</Autor> </Libro>

Entidades generales

internas analizadas (ii)

</Libro>

<Libro Precio = "658 euros" Editorial = "Anaya"> <Titulo>La vida es sueño</Titulo>

<Autor Nacionalidad = "&Es;">Calderón de la Barca</Autor> </Libro>

<Libro Precio = "88 euros" Editorial = "Anaya"> <Titulo>El nombre de la rosa</Titulo>

<Autor Nacionalidad = "&It;">Umberto Eco</Autor> </Libro>

<Libro Precio = "83 euros" Editorial = "Santillana"> <Titulo>El alquimista</Titulo>

(29)

<!ELEMENT Libros (Libro)+>

<!ELEMENT Libro (Titulo, Autor)> <!ELEMENT Titulo (#PCDATA)> <!ELEMENT Autor (#PCDATA)>

<!ATTLIST Autor Nacionalidad CDATA #IMPLIED> <!ENTITY Es "Español">

<!ENTITY It "Italiano">

Entidades generales internas analizadas (iii)

<!ENTITY It "Italiano">

<!ENTITY Coelho '<Autor Nacionalidad = "Brasileño">Paolo Coelho</Autor>'>

<Autor Nacionalidad = "Brasileño">Paulo Coelho</Autor> </Libro>

<Libro Precio = "85 euros" Editorial = "Santillana"> <Titulo>A orillas del río Piedra</Titulo> &Coelho;

(30)

Su misión es idéntica a las

Entidades Internas

Analizadas

.

No definen su contenido entre comillas, sino en un

fichero externo.

Entidades generales externas

analizadas

fichero externo.

El fichero externo puede incluir entidades. Si éstas

son externas ojo a las referencias circulares.

Sólo pueden ser incluidas dentro de un elemento.

Declaración:

(31)

Permiten incluir dentro de un fichero XML

información, procedente de otro fichero externo,

que no tiene porqué ser XML.

• Por ejemplo: imágenes, documentos Office...

Entidades generales externas

no analizadas

Se basa en la definición de notaciones: Ubicación

del programa que reconoce al fichero externo, y

de atributos de tipo ENTITY.

(32)

<!ELEMENT Libros (Libro)+>

<!NOTATION GIF SYSTEM "C:\Archivos de programa\IrfanView\i_view32.exe"> <!ELEMENT Libro (Titulo, Autor, Portada)>

<!ELEMENT Titulo (#PCDATA)> <!ELEMENT Autor (#PCDATA)> <!ELEMENT Portada EMPTY>

<!ATTLIST Libro Precio CDATA #REQUIRED Editorial CDATA #REQUIRED> <!ATTLIST Portada Imagen ENTITY #IMPLIED>

Entidades generales externas

no analizadas (ii)

<?xml version="1.0" encoding="utf-8" ?>

<!DOCTYPE Libros SYSTEM "Libros(Notaciones).dtd"> <Libros>

&Coelho;

</Libros>

<!ATTLIST Portada Imagen ENTITY #IMPLIED> <!ATTLIST Autor Nacionalidad CDATA #IMPLIED>

(33)

Al igual que las generales, permiten la

sustitución de cadenas de caracteres, pero esta

vez dentro de documentos DTD.

No pueden usarse dentro de una etiqueta, sino

Entidades de parámetro

internas analizadas

No pueden usarse dentro de una etiqueta, sino

para sustituir una etiqueta completa.

Declaración:

• <!ENTITY % NombreEntidad “Valor”>

<!ELEMENT Biblioteca (Libro)+> <!ELEMENT Libro (Titulo, Autor)> <!ELEMENT Titulo (#PCDATA)> <!ELEMENT Autor (#PCDATA)> <!ATTLIST Libro

Precio CDATA #IMPLIED Editorial CDATA #IMPLIED >

(34)

Su uso es idéntico a las

Entidades de Parámetros

Internas Analizadas

.

Hacen referencia a un fichero externo que

contiene un trozo de DTD.

Entidades de parámetro

externas analizadas

contiene un trozo de DTD.

<!ELEMENT Biblioteca (Libro)+> <!ELEMENT Libro (Titulo, Autor)> <!ELEMENT Titulo (#PCDATA)> <!ELEMENT Autor (#PCDATA)> <!ATTLIST Libro

Precio CDATA #IMPLIED Editorial CDATA #IMPLIED >

(35)

<!ENTITY Agrave "À"> <!ENTITY Aacute "Á"> <!ENTITY Acirc "Â"> <!ENTITY Atilde "Ã">

.... ISO-10646.dtd

Entidades con referencias a

carácteres

<!ENTITY % isolat1 SYSTEM "ISO-10646.dtd"> %isolat1;

<!ELEMENT Libros ANY>

<?xml version="1.0" encoding="utf-8" ?> <!DOCTYPE Libros SYSTEM "ISOLat.dtd"> <Libros>

<LoQueQuiera>Y también lo que <quiera> </LoQueQuiera> </Libros>

(36)

Namespaces

XML permite crear etiquetas ‘casi’ sin ninguna

limitación en sus nombres.

Esto implica que, mezclar dos documentos, con

diferentes etiquetas, podría resultar en una

duplicidad de etiquetas.

Mediante la definición de espacios de nombres,

se pueden evitar estas colisiones.

Tecnologías como XSL y otras muchas hacen

(37)

Namespaces. Definición

Un

namespace

se identifica por su prefijo.

Ejemplo:

<xsl:stylesheet

xmlns:xsl=“http://www.w3.org/XSL/Transform/1.0”>

Donde:

• xsl es el prefijo del namespace.

• Stylesheet es el nombre completo del namespace.

• http://www.... es la URI donde se puede encontrar más información sobre el estándar.

• Puede incluir otros atributos como version...

(38)

Namespaces. Utilización

Tras la definición del espacio de nombres, los

elementos que pertenezcan a dicho espacio

deberán prefijarse.

<?xml version="1.0" ?> <?xml version="1.0" ?>

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> <xsl:template match = "/">

...

</xsl:template>

<xsl:template match = "Libro"> ...

(39)

La familia de XML (i)

Para sacar todo el partido a XML, éste viene

acompañado de un conjunto de lenguajes hermanos:

• XSL (eXtensible StyleSheet Language): junto con CSS es

utilizado para modificar el aspecto de los documentos XML.

• XSLT (eXtensible StyleSheet Language Translation):

extensión de XSL que permite transformar un documento XML en otro diferente.

• XSL-FO: objetos de formateo que gobiernan cómo los

datos transformados se presentan al usuario.

• DOM (Document Object Model): componente creado

por Microsoft para el procesamiento de documentos

XML.

(40)

La familia de XML (ii)

• XLink/XPointer: permiten referenciar a diferentes

recursos, dentro o fuera del documento XML.

• XQL (XML Query Language): útil para localizar y

extraer elementos de un documento XML. extraer elementos de un documento XML.

• XPath: lenguaje de consulta para recorrer ficheros

(41)

(42)

Dominios de utilización de XML

Intercambio de datos sobre fármacos.

Tratamiento de información matemática (XMath).

Intercambio de información entre programas ejecutables (SOAP).

Intercambio de información entre herramientas CASE Intercambio de información entre herramientas CASE (XMI).

Intercambio de información sobre RRHH (HR-XML). Intercambio de información sobre bolsa y financiera (IFX).

Amplia utilización en el sector de EDI (Electronic Data